Официальный CLI (hf) и Python-клиент для скачивания, загрузки и управления репозиториями на Hugging Face Hub.
- Звёзды
- 1,046
- Форки
- 182
- Открытые issues
- 124
- Последний коммит
- 20 часов назад
Что это?
ASReview LAB — инструмент с открытым исходным кодом для просмотра больших коллекций текстовых записей, например списков публикаций для систематических обзоров и метаанализов. Вместо того чтобы читать все записи по порядку, пользователь отмечает записи как релевантные или нерелевантные, а AI-модель переобучается на этих решениях и сначала показывает записи, которые с наибольшей вероятностью окажутся релевантными.
Инструмент импортирует наборы данных в таких форматах, как CSV, RIS и XLSX, и позволяет создавать проекты обзоров, а также проекты симуляции для проверки качества модели на полностью размеченных данных. Пользователи могут выбирать предварительно настроенные модели ELAS или собирать собственные из пользовательских компонентов. Решения сохраняются автоматически, и их можно изменить в любой момент. В версии 3 дубликаты скрываются во время просмотра, а теги можно редактировать на экране Collection.
Установка выполняется через pip и требует Python 3.10 или новее; интерактивная демонстрация доступна на asreview.app. Проект распространяется по лицензии Apache-2.0 и включает веб-интерфейс.
Ключевые возможности
- 01Active learning переупорядочивает записи на основе ваших меток релевантности.
- 02Импорт наборов данных в форматах CSV, RIS и XLSX.
- 03Режим симуляции для оценки качества модели на полностью размеченных данных.
- 04Предварительно настроенные модели ELAS и поддержка пользовательских компонентов модели.
- 05Все решения о разметке сохраняются автоматически, и их можно отредактировать позже.
- 06Дубликаты автоматически скрываются во время просмотра.
Сценарии использования
- Просмотр тысяч результатов поиска при подготовке систематического обзора или метаанализа.
- Приоритизация потенциально подходящих публикаций для любой масштабной задачи по просмотру литературы.
- Сравнение моделей просмотра на ранее размеченных наборах данных с помощью симуляции.
Быстрый старт
- 1
Установите ASReview из PyPI с помощью pip (требуется Python 3.10 или новее)
pip install asreview - 2
Запустите ASReview LAB в браузере
Что важно знать
- Требуется Python 3.10 или новее.
- Для установки с помощью Docker и расширенных способов установки воспользуйтесь отдельным руководством.
Темы
Частые вопросы
- Что такое asreview?
- Инструмент машинного обучения с открытым исходным кодом, который использует active learning для приоритизации записей при просмотре больших текстовых наборов данных для систематических обзоров. ASReview LAB — инструмент с открытым исходным кодом для просмотра больших коллекций текстовых записей, например списков публикаций для систематических обзоров и метаанализов. Вместо того чтобы читать все записи по порядку, пользователь отмечает записи как релевантные или нерелевантные, а AI-модель переобучается на этих решениях и сначала показывает записи, которые с наибольшей вероятностью окажутся релевантными.
- asreview можно использовать бесплатно? Какая у него лицензия?
- asreview распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- asreview всё ещё поддерживается?
- Активно поддерживается. Последний коммит в asreview — 20 окт. 2026 г..
- Для чего можно использовать asreview?
- Просмотр тысяч результатов поиска при подготовке систематического обзора или метаанализа. Приоритизация потенциально подходящих публикаций для любой масштабной задачи по просмотру литературы. Сравнение моделей просмотра на ранее размеченных наборах данных с помощью симуляции.
- Как установить asreview?
- Установите ASReview из PyPI с помощью pip (требуется Python 3.10 или новее): pip install asreview Запустите ASReview LAB в браузере
- Где скачать asreview?
- Исходный код и инструкции по установке — на GitHub: https://github.com/asreview/asreview
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Движок на TypeScript, который запускает LLM-инференс целиком в браузере с помощью WebGPU и предоставляет API, совместимый с OpenAI.
Mamba — архитектура моделирования последовательностей на PyTorch, основанная на селективных моделях пространства состояний и предлагающая альтернативу Transformers с линейной сложностью для языковых и других задач.
Библиотека тензоров и фреймворк для глубокого обучения на Rust с обучением и инференсом на CUDA, ROCm, Metal, Vulkan, WebGPU и CPU.
Официальный код обучения и эталонная реализация RWKV — языковой архитектуры на основе RNN, которую можно обучать параллельно, как GPT-трансформер.
Открытый фреймворк для компиляции моделей машинного обучения: он позволяет настраивать конвейеры компилятора на Python и развёртывать модели на разных аппаратных платформах.